AI BENCHY 对比

Anthropic: Claude Sonnet 4.6 vs Kwaipilot: KAT-Coder-Pro V2.5

摘要

KAT-Coder-Pro V2.5 (medium) 平均分领先，为 7.5 vs 7.3。 KAT-Coder-Pro V2.5 (medium) benchmark 成本更低，为 $0.275 vs $0.316。 Claude Sonnet 4.6 更快，为 5.04s vs 12.95s，通过率为 55.6% vs 65.1%。

推荐模型Claude Sonnet 4.6它的得分接近这里的最高分（7.3 vs 7.5），同时响应速度比KAT-Coder-Pro V2.5 (medium)快约 2.6 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-07-14

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium 发布日期: 2026-07-14

指标	Claude Sonnet 4.6 Claude Sonnet 4.6 none 发布日期: 2026-02-17	KAT-Coder-Pro V2.5 KAT-Coder-Pro V2.5 medium 发布日期: 2026-07-14
分数	7.3	7.5
排名	#71	#60
可靠性	10.0	10.0
一致性	9.7	7.7
测试正确
尝试通过率	55.6%	65.1%
不稳定测试	1	6
总运行次数	63	63
每个结果成本	2.870	2.498
总成本	$0.316	$0.275
输入价格	$3.000 / 1M	$0.740 / 1M
输出价格	$15.000 / 1M	$2.960 / 1M
总输入令牌	57,886	42,750
输出令牌	9,465	2,098
推理令牌	0	80,027
响应时间（平均）	5.04s	12.95s
响应时间（最大）	23.84s	81.45s
响应时间（总计）	70.60s	271.92s

生成展示

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#71 Claude Sonnet 4.6

none

成本: $0.038
时间: 27.3s
令牌: 2,598 tok

#60 KAT-Coder-Pro V2.5

medium

成本: $0.009
时间: 25.6s
令牌: 2,939 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

类别:

反AI技巧	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	4.8	10.0	25.0%	0		2.94s	636	1,214	0
KAT-Coder-Pro V2.5	8.2	7.9	83.3%	1		3.90s	672	208	3,868

编程	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	5.5	10.0	33.3%	0		5.19s	8,522	2,127	0
KAT-Coder-Pro V2.5	7.8	10.0	66.7%	0		33.10s	7,893	416	33,658

综合	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	9.5	10.0	100.0%	0		23.84s	26,024	3,766	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		14.50s	15,132	363	3,367

数据解析与提取	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		3.43s	8,574	252	0
KAT-Coder-Pro V2.5	7.3	5.9	83.3%	1		4.70s	7,776	275	2,122

领域专项	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	7.7	10.0	66.7%	0		3.54s	759	413	0
KAT-Coder-Pro V2.5	2.9	7.2	11.1%	1		29.03s	771	36	29,584

通用智能	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	6.1	3.1	66.7%	1		2.56s	513	192	0
KAT-Coder-Pro V2.5	4.7	3.1	33.3%	1		2.35s	516	92	381

指令遵循	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	6.5	10.0	50.0%	0		1.96s	690	90	0
KAT-Coder-Pro V2.5	9.9	10.0	100.0%	0		2.58s	699	83	971

谜题求解	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	7.7	10.0	66.7%	0		2.53s	663	533	0
KAT-Coder-Pro V2.5	5.9	4.5	66.7%	2		3.20s	696	325	1,867

工具调用	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	10.0	10.0	100.0%	0		4.11s	11,301	447	0
KAT-Coder-Pro V2.5	10.0	10.0	100.0%	0		19.02s	8,391	282	1,010

常识问答	分数	一致性	尝试通过率	不稳定测试	测试正确	响应时间（平均）	输入令牌	输出令牌	推理令牌
Claude Sonnet 4.6	3.0	10.0	0.0%	0		4.67s	204	431	0
KAT-Coder-Pro V2.5	3.0	10.0	0.0%	0		9.87s	204	18	3,199

快速对比

切换对比组合

KAT-Coder-Pro V2.5mediumvsGPT-5.3 Chatnone Claude Sonnet 4.6nonevsGrok 4.20medium Claude Sonnet 4.6nonevsGemini 3 Flash Previewlow DeepSeek V4 ProhighvsKAT-Coder-Pro V2.5medium Claude Sonnet 4.6nonevsMiMo-V2.5-Promedium Claude Sonnet 4.6nonevsSeed-2.0-Minimedium Claude Sonnet 4.6nonevsGemma 4 26B A4Bmedium免费可用 Claude Sonnet 4.6nonevsDeepSeek V3.2medium Gemini 3 Flash PreviewlowvsKAT-Coder-Pro V2.5medium Claude Sonnet 4.6nonevsQwen3.6 Flashmedium KAT-Coder-Pro V2.5mediumvsGPT-5.6 Lunahigh KAT-Coder-Pro V2.5mediumvsStep 3.7 Flashlow